php判断是否为中文正则表达式大全(转)

转载自   http://www.cnblogs.com/DavidYan/articles/2032115.html

 

 

php判断是否为中文正则表达式大全

 

<?php

$str="aaa";
if(!eregi("[^\x80-\xff]","$str"))
{
echo "是";
}
else
{
echo "不是";
}
?>

<?
$str = "中国";
echo $str;
echo "<hr>";

//if (preg_match("/^[".chr(0xa1)."-".chr(0xff)."]+$/", $str)) { //只能在GB2312情况下使用
if (preg_match("/^[\x7f-\xff]+$/", $str)) { //兼容gb2312,utf-8
echo "正确输入";
} else {
echo "错误输入";
}
?>


如果想判断一个字符串内是否有含有中文，请用下面的代码：

if (preg_match("/[\x7f-\xff]/", $string)) {
echo "有中文";
}else{
echo "没有中文";
}

判断中文和编码有关 gbk是双字节，utf8是三字节，可以根据中文的范围来判断   

 

编码范围1. GBK (GB2312/GB18030)   
\x00-\xff GBK双字节编码范围   
\x20-\x7f ASCII   
\xa1-\xff 中文   
\x80-\xff 中文  
  
2. UTF-8 (Unicode)   
\u4e00-\u9fa5 (中文)   
\x3130-\x318F (韩文   
\xAC00-\xD7A3 (韩文)   
\u0800-\u4e00 (日文)   
ps: 韩文是大于[\u9fa5]的字符   
正则例子:   
preg_replace(”/([\x80-\xff])/”,”",$str);  
preg_replace(”/([u4e00-u9fa5])/”,”",$str);   

 

 

1. //判断内容里有没有中文-GBK (PHP)        
2. function  check_is_chinese( $s ){        
3.       return  preg_match( '/[\x80-\xff]./' ,  $s );        
4. }        
5.       
6. //获取字符串长度-GBK (PHP)        
7. function  gb_strlen( $str ){        
8.       $count  = 0;        
9.       for ( $i =0;  $i < strlen ( $str );  $i ++){        
10.           $s  =  substr ( $str ,  $i , 1);        
11.           if  (preg_match( "/[\x80-\xff]/" ,  $s )) ++ $i ;        
12.            ++ $count ;        
13.      }        
14.       return   $count ;        
15. }        
16.       
17. //截取字符串字串-GBK (PHP)        
18. function  gb_substr( $str ,  $len ){        
19.       $count  = 0;        
20.       for ( $i =0;  $i < strlen ( $str );  $i ++){        
21.           if ( $count  ==  $len )  break ;        
22.           if (preg_match( "/[\x80-\xff]/" ,  substr ( $str ,  $i , 1))) ++ $i ;        
23.            ++ $count ;                
24.      }        
25.       return   substr ( $str , 0,  $i );        
26. }        
27.       
28. //统计字符串长度-UTF8 (PHP)        
29. function  utf8_strlen( $str ) {        
30.       $count  = 0;        
31.       for ( $i  = 0;  $i  <  strlen ( $str );  $i ++){        
32.           $value  = ord( $str [ $i ]);        
33.           if ( $value  > 127) {        
34.               $count ++;        
35.               if ( $value  >= 192 &&  $value  <= 223)  $i ++;        
36.               elseif ( $value  >= 224 &&  $value  <= 239)  $i  =  $i  + 2;        
37.               elseif ( $value  >= 240 &&  $value  <= 247)  $i  =  $i  + 3;        
38.               else   die ( 'Not a UTF-8 compatible string' );        
39.          }        
40.           $count ++;        
41.      }        
42.       return   $count ;        
43. }        
44.       
45.       
46. //截取字符串-UTF8(PHP)        
47. function  utf8_substr( $str , $position , $length ){        
48.       $start_position  =  strlen ( $str );        
49.       $start_byte  = 0;        
50.       $end_position  =  strlen ( $str );        
51.       $count  = 0;        
52.       for ( $i  = 0;  $i  <  strlen ( $str );  $i ++){        
53.           if ( $count  >=  $position  &&  $start_position  >  $i ){        
54.               $start_position  =  $i ;        
55.               $start_byte  =  $count ;        
56.          }        
57.           if (( $count - $start_byte )>= $length ) {        
58.               $end_position  =  $i ;        
59.               break ;        
60.          }            
61.           $value  = ord( $str [ $i ]);        
62.           if ( $value  > 127){        
63.               $count ++;        
64.               if ( $value  >= 192 &&  $value  <= 223)  $i ++;        
65.               elseif ( $value  >= 224 &&  $value  <= 239)  $i  =  $i  + 2;        
66.               elseif ( $value  >= 240 &&  $value  <= 247)  $i  =  $i  + 3;        
67.               else   die ( 'Not a UTF-8 compatible string' );        
68.          }        
69.           $count ++;        
70.       
71.      }        
72.       return ( substr ( $str , $start_position , $end_position - $start_position ));        
73. }        
74.       
75. //判断是否是有韩文-UTF-8 (JavaScript)        
76. function  checkKoreaChar(str) {        
77.       for (i=0; i<str.length; i++) {        
78.           if (((str.charCodeAt(i) > 0x3130 && str.charCodeAt(i) < 0x318F) || (str.charCodeAt(i) >= 0xAC00 && str.charCodeAt(i) <= 0xD7A3))) {        
79.               return  true;        
80.          }        
81.      }        
82.       return  false;        
83. }        
84.       
85. //判断是否有中文字符-GBK (JavaScript)        
86. function  check_chinese_char(s){        
87.       return  (s.length != s.replace(/[^\x00-\xff]/g, "**" ).length);        
88. }   

 

UTF-8匹配:

在javascript中，要判断字符串是中文是很简单的。比如：
var str = "php编程";
if (/^[\u4e00-\u9fa5]+$/.test(str)) {
alert("该字符串全部是中文");
}
else{
alert("该字符串不全部是中文");
}

php中，是用\x表示十六进制数据的。于是，变换成如下的代码：
$str = "php编程";
if (preg_match("/^[\x4e00-\x9fa5]+$/",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}
貌似不报错了，判断的结果也正确，不过把$str换成“编程”两字，结果却还是显示“该字符串不全部是中文”，看来这样的判断还是不够准确。

重要:查阅了<精通正则表达式>发现,对于[\x4e00-\x9fa5]这块东西,自己做一个强化的解释

php的正则中, [\x4e00-\x9fa5],其实就是 字符和字符组的概念, \x{hex},表达一个16进制数, 需要注意的是hex 可以是1-2位的,也可以是4位的,但是如果是4位的必须加上大括号,

同时,如果是大于x{FF}的hex,必须和u 修饰符连用,不然会非法出错

网上只能找到匹配全角字符的正则:   ^[\x80-\xff]*^/    ,这里可以不加大括号
[\u4e00-\u9fa5]可以匹配中文,但是PHP又不支持   
不过，既然\x表示的十六进制数据，为什么和js里边提供的范围\x4e00-\x9fa5不一样呢？于是我就换成了下边的代码,发现真的准确了：
$str = "php编程";
if (preg_match("/^[\x{4e00}-\x{9fa5}]+$/u",$str)) {
print("该字符串全部是中文");
} else {
print("该字符串不全部是中文");
}

知道了php中utf-8编码下用正则表达式匹配汉字的最终正确表达式——/^[\x{4e00}-\x{9fa5}]+$/u，
参考以上文章写了如下一段测试代码(复制以下代码保存成.php文件)

<?php
$action = trim($_GET['action']);
if($action == "sub")
{
    $str = $_POST['dir'];   
    //if(!preg_match("/^[".chr(0xa1)."-".chr(0xff)."A-Za-z0-9_]+$/",$str)) //GB2312汉字字母数字下划线正则表达式
    if(!preg_match("/^[\x{4e00}-\x{9fa5}A-Za-z0-9_]+$/u",$str))   //UTF-8汉字字母数字下划线正则表达式
    {  
        echo "<font color=red>您输入的[".$str."]含有违法字符</font>";  
    }
    else
    {
        echo "<font color=green>您输入的[".$str."]完全合法,通过!</font>";  
    }
}
?>
<form method="POST" action="?action=sub">
输入字符(数字,字母,汉字,下划线):
    <input type="text" name="dir" value="">
    <input type="submit" value="提交">
</form>

GBK:

preg_match("/^[".chr(0xa1)."-".chr(0xff)."A-Za-z0-9_]+$/",$str); //GB2312汉字字母数字下划线正则表达式

 

<?php

$str="aaa";
if(!eregi("[^\x80-\xff]","$str"))
{
echo "是";
}
else
{
echo "不是";
}
?>

<?
$str = "中国";
echo $str;
echo "<hr>";

//if (preg_match("/^[".chr(0xa1)."-".chr(0xff)."]+$/", $str)) { //只能在GB2312情况下使用
if (preg_match("/^[\x7f-\xff]+$/", $str)) { //兼容gb2312,utf-8
echo "正确输入";
} else {
echo "错误输入";
}
?>


如果想判断一个字符串内是否有含有中文，请用下面的代码：

if (preg_match("/[\x7f-\xff]/", $string)) {
echo "有中文";
}else{
echo "没有中文";
}